制造業(yè)的AI先鋒，為什么長(zhǎng)在飛書上 || 新質(zhì)π

最近看了一場(chǎng)比賽，“飛書AI先鋒大賽·先進(jìn)制造專場(chǎng)”的全國(guó)十強(qiáng)賽。146個(gè)參賽案例，來(lái)自北汽、東風(fēng)、海信等制造業(yè)企業(yè)，覆蓋設(shè)備運(yùn)維、質(zhì)量檢測(cè)、整車研發(fā)、供應(yīng)鏈管理等真實(shí)工業(yè)現(xiàn)場(chǎng)。

臺(tái)下評(píng)審匯聚了同濟(jì)大學(xué)、上汽、理想、奇瑞、博世、小米等機(jī)構(gòu)的專家。

臺(tái)上站著的不是AI產(chǎn)品經(jīng)理，而是工廠的維修工、質(zhì)量工程師、供應(yīng)鏈管理者。他們講的不是AI的愿景，而是已經(jīng)跑在產(chǎn)線上的智能體與skill——有人用智能體把設(shè)備故障處理從10分鐘壓到4分鐘，有人用大模型做發(fā)動(dòng)機(jī)零件質(zhì)檢全年算力費(fèi)不到1000塊，有人養(yǎng)了一只OpenClaw龍蝦在工廠值班巡檢、派活催辦。

看完這些案例，我最想搞明白的其實(shí)是一個(gè)結(jié)構(gòu)性的問(wèn)題：為什么這些案例長(zhǎng)在飛書上？

這個(gè)問(wèn)題的答案，我認(rèn)為對(duì)中國(guó)制造業(yè)的AI轉(zhuǎn)型有超出一場(chǎng)比賽本身的意義。

從“會(huì)說(shuō)話”到“會(huì)做事”：一個(gè)歷史性的節(jié)點(diǎn)

要理解這場(chǎng)比賽的分量，先要看清它所處的時(shí)代背景。

2026年初，開源智能體框架OpenClaw在全球爆發(fā)。與ChatGPT、DeepSeek不同，OpenClaw的意義不在于“AI更聰明了”，而在于AI第一次具備了記憶、判斷和自主執(zhí)行的能力——它從“會(huì)說(shuō)話”進(jìn)化到了“會(huì)做事”。一位研究者將其稱為AI從“對(duì)話工具”到“數(shù)字執(zhí)行體”的范式躍遷。

GitHub星標(biāo)數(shù)突破28萬(wàn)，成為史上增長(zhǎng)最快的開源項(xiàng)目。2026年政府工作報(bào)告首次提出“促進(jìn)智能體加快推廣”。深圳龍崗出臺(tái)了“龍蝦十條”扶持政策。在中國(guó)，這不再是極客的玩具，而是一場(chǎng)正在發(fā)生的產(chǎn)業(yè)變革。

但變革的速度在不同行業(yè)差異懸殊。麥肯錫的調(diào)研數(shù)據(jù)揭示了一個(gè)尖銳的落差：2026年，70%的企業(yè)將部署AI Agent，但僅23%實(shí)現(xiàn)了單一職能內(nèi)的規(guī)?；瘧?yīng)用，全公司級(jí)規(guī)模化的企業(yè)不足7%。

Gartner預(yù)測(cè)，到2026年底約40%的企業(yè)應(yīng)用將集成任務(wù)型AI Agent，但相比2025年不到5%的水平，這依然是一個(gè)剛剛起步的進(jìn)程。

換句話說(shuō)，絕大多數(shù)企業(yè)還卡在“試過(guò)了，但沒(méi)跑通”的階段。

而制造業(yè)尤其難。制造業(yè)的“重”——重設(shè)備、重流程、重經(jīng)驗(yàn)——讓它比互聯(lián)網(wǎng)、金融這些行業(yè)更難敏捷地?fù)肀录夹g(shù)。一份行業(yè)趨勢(shì)報(bào)告直指痛點(diǎn)：大量企業(yè)把AI智能體“孤立部署”在某個(gè)單點(diǎn)環(huán)節(jié)，數(shù)據(jù)沒(méi)打通、流程沒(méi)銜接，用起來(lái)跟Excel宏差不多——這是低價(jià)值區(qū)。真正產(chǎn)生價(jià)值的做法是把智能體嵌入工作流，讓它能調(diào)用ERP、MES、知識(shí)庫(kù)，同時(shí)讓人的經(jīng)驗(yàn)持續(xù)“教”給AI。

這恰恰是飛書AI先鋒大賽最讓我觸動(dòng)的地方：臺(tái)上這些案例，絕大多數(shù)已經(jīng)跨過(guò)了“孤立部署”的階段，進(jìn)入了“嵌入工作流”的深水區(qū)。它們不是實(shí)驗(yàn)室里的demo，而是真正跑在產(chǎn)線上的方案。

在麥肯錫所說(shuō)的全公司級(jí)規(guī)?；蛔?%的大背景下，146個(gè)制造業(yè)案例匯聚在同一個(gè)平臺(tái)上——這本身就是一個(gè)值得追問(wèn)的現(xiàn)象。

工廠一線員工成為AI開發(fā)者

這些案例有一個(gè)共同點(diǎn)最讓我意外：推動(dòng)AI落地的，不是IT部門的頂層設(shè)計(jì)，而是業(yè)務(wù)一線的人。

東風(fēng)奕派的湯俊是設(shè)備維修工，他用飛書 aily 搭建了“設(shè)備大師”智能體，把2000多條故障記錄導(dǎo)入飛書知識(shí)庫(kù)，維修工用語(yǔ)音描述故障就能獲得精準(zhǔn)方案。

他說(shuō)過(guò)一句話：“飛書就是AI平權(quán)工具——只要有想法就可以做，不需要任何代碼能力。”

阿維塔的質(zhì)量工程師龔成和董思維，給幾十名同事做了一次培訓(xùn)，兩個(gè)半小時(shí)后，一個(gè)變更評(píng)審的智能體demo就跑出來(lái)了——以前要拉多名專家開幾天會(huì)才能敲定的事，現(xiàn)在一分鐘內(nèi)完成初步評(píng)估。目前阿維塔內(nèi)部已有30多人自己動(dòng)手搭建了智能體。

北汽福田的文偉把OpenClaw龍蝦養(yǎng)在了工廠的工作群里，取名“長(zhǎng)超小?！?。這只龍蝦給一項(xiàng)業(yè)務(wù)打了6分（滿分10分），逐條列出改進(jìn)建議，領(lǐng)導(dǎo)當(dāng)即拍板——“按它說(shuō)的執(zhí)行”。

這些人不是程序員，不是算法工程師。他們是每天跟設(shè)備、流程、零件打交道的一線員工。他們最懂痛點(diǎn)，也最有動(dòng)力去解決問(wèn)題。當(dāng)工具的門檻足夠低，當(dāng)AI出現(xiàn)在人本來(lái)就在的工作流里，創(chuàng)新的主體就從IT部門轉(zhuǎn)移到了業(yè)務(wù)一線。

這是一個(gè)非常重要的信號(hào)。過(guò)去制造業(yè)的數(shù)字化轉(zhuǎn)型，往往是“自上而下”的——老板拍板、IT牽頭、外包實(shí)施。但這場(chǎng)比賽讓我看到了“自下而上”的另一種路徑：一線員工自己發(fā)現(xiàn)痛點(diǎn)、自己搭建工具、自己驗(yàn)證效果。這種路徑的效率和適配度，遠(yuǎn)超傳統(tǒng)模式。

為什么長(zhǎng)在飛書上

回到最初的問(wèn)題：為什么這些案例長(zhǎng)在飛書上？

第一層原因是飛書的AI工具本身足夠低門檻、足夠貼近業(yè)務(wù)。

在對(duì)AI先鋒大賽選手的采訪中，幾乎每個(gè)人都會(huì)提到一個(gè)詞：“低門檻”。東風(fēng)康明斯的參賽選手提到，在企業(yè)想要獲取大模型能力的時(shí)候，飛書提供了最完整且最低門檻的技術(shù)?！霸谛枰臅r(shí)候，只有飛書提供了這些，那自然會(huì)基于飛書進(jìn)行更多智能化探索?！?/p>

這種低門檻不只是技術(shù)上的，更是組織上的。億咖通發(fā)現(xiàn)，飛書的低代碼能力讓業(yè)務(wù)部門也能快速掌握AI，不再需要等IT排期——業(yè)務(wù)與IT之間長(zhǎng)期存在的理解壁壘，因此被大幅縮短。

第二層原因是數(shù)據(jù)底座。

OpenClaw在中國(guó)所有IM工具中的接入率，飛書占65.2%。硅基流動(dòng)聯(lián)合創(chuàng)始人楊攀復(fù)盤說(shuō)，飛書與OpenClaw的適配性在于，它不僅僅是IM工具，更是一個(gè)完整的工作空間，有大量上下文信息，能讓Agent做事的能力得到充分發(fā)揮。

飛書在制造業(yè)的滲透經(jīng)歷了從協(xié)同工具到數(shù)字化底座再到AI落地平臺(tái)的演進(jìn)。從2021年“蔚小理”選擇飛書解決組織的“熵增”問(wèn)題，到多維表格、飛書項(xiàng)目、aPaaS等能力讓飛書逐步深入業(yè)務(wù)流程，再到aily智能體等飛書AI能力、OpenClaw集成——每一步都為下一步鋪了路。

所以當(dāng)OpenClaw這樣的新能力出現(xiàn)時(shí)，這些企業(yè)不需要從零開始——文檔、流程、知識(shí)庫(kù)、業(yè)務(wù)數(shù)據(jù)早已沉淀好了，Agent進(jìn)來(lái)直接就有活干。

兩層合在一起，才是完整的答案：底座讓AI有上下文可以理解，工具讓AI能嵌入每個(gè)人本來(lái)就在的工作流里。如果說(shuō)大量定制化的AI方案對(duì)制造業(yè)來(lái)說(shuō)是一條條窄道，那飛書更像一片曠野——數(shù)據(jù)在這里沉淀，業(yè)務(wù)在這里流轉(zhuǎn)，智能體在這里生長(zhǎng)，而且門檻低到一線工人都能自己動(dòng)手。

阿維塔的案例最能說(shuō)明這一點(diǎn)。他們先花了近一年把IPD研發(fā)管理體系搬到飛書項(xiàng)目上——五大階段、42個(gè)關(guān)鍵節(jié)點(diǎn)、近1500份交付物，全部在一個(gè)平臺(tái)流轉(zhuǎn)。這一步不是為了上AI，但恰恰為AI創(chuàng)造了土壤。

后來(lái)用飛書aily搭建智能體，直接嵌入審簽流程，工程師正常提單、正常審簽，AI結(jié)果自動(dòng)出現(xiàn)——這件事之所以能做到，是因?yàn)轱w書項(xiàng)目原生支持IPD流程，智能體可以直接嵌入審簽節(jié)點(diǎn)。這不是在任何IM上掛一個(gè)聊天機(jī)器人能實(shí)現(xiàn)的。

底座就緒之后，AI能力的落地就變成了自然生長(zhǎng)，而不是強(qiáng)行嫁接。

一場(chǎng)比賽的生態(tài)價(jià)值

看完這場(chǎng)比賽，我一直在想一個(gè)更大的問(wèn)題：為什么飛書要辦這樣一場(chǎng)比賽？它的價(jià)值是什么？

表面上看是評(píng)選。但往深處看，它做了一件對(duì)制造業(yè)AI化非常重要的事——把散落在各家工廠里的AI探索，集中搬上了同一個(gè)舞臺(tái)，變成了整個(gè)行業(yè)可以借鑒的公共經(jīng)驗(yàn)。

制造業(yè)的每家企業(yè)都要從零摸索自己的AI路徑，每一家都要踩自己的坑。當(dāng)146個(gè)案例匯聚在一起，參賽者互相學(xué)習(xí)，評(píng)審者把經(jīng)驗(yàn)帶回自己的企業(yè)——這本身就是一種行業(yè)級(jí)的效率提升。北汽福田的文偉直接把整套龍蝦方案開源，供任何企業(yè)免費(fèi)使用。他在臺(tái)上說(shuō)了一句讓我很受觸動(dòng)的話：“這一輪AI浪潮，不能只有互聯(lián)網(wǎng)行業(yè)遠(yuǎn)遠(yuǎn)跑在前面?！?/p>

這句話的背后，是制造業(yè)的一種集體焦慮，也是一種集體覺醒。

飛書能舉辦這樣的比賽，本身就說(shuō)明了一種生態(tài)能力——它不只是提供工具，而是在構(gòu)建一個(gè)讓AI能夠在制造業(yè)生根的環(huán)境，成為企業(yè)間在AI日新月異的當(dāng)下，互相學(xué)習(xí)、交流的平臺(tái)。

這場(chǎng)比賽給我的最大觸動(dòng)，不是某個(gè)具體案例有多炫，而是一種正在成型的路徑變得清晰可見了：

一線員工驅(qū)動(dòng)創(chuàng)新，低門檻工具降低落地成本，數(shù)據(jù)底座保證AI能夠持續(xù)進(jìn)化，開放平臺(tái)讓經(jīng)驗(yàn)流動(dòng)成為公共資產(chǎn)。

這條路徑能不能走通，取決于三件事：企業(yè)的數(shù)據(jù)底座夠不夠深，AI工具的門檻夠不夠低到讓一線員工自己動(dòng)手，行業(yè)有沒(méi)有一個(gè)共享經(jīng)驗(yàn)的機(jī)制。飛書提供了前兩者，飛書的AI先鋒比賽正在構(gòu)建第三個(gè)。

AI的能力還在加速迭代——從ChatGPT到OpenClaw，從Sora到Seedance，每一輪都比上一輪來(lái)得更快。下一輪新技術(shù)出現(xiàn)時(shí)，那些已經(jīng)在飛書上完成數(shù)據(jù)沉淀、跑通業(yè)務(wù)流程的企業(yè)，依然會(huì)是最先接住它的人。而飛書AI先鋒大賽的價(jià)值，正是讓更多企業(yè)看到這條路徑，并有機(jī)會(huì)踏上去。

制造業(yè)才是生產(chǎn)力真正發(fā)生的地方。當(dāng)AI終于走進(jìn)車間，改變的不只是效率——而是誰(shuí)來(lái)定義“先進(jìn)”這兩個(gè)字。

No.6858 原創(chuàng)首發(fā)文章｜作者 星芒

開白名單 duanyu_H｜投稿 tougao99999

歡迎點(diǎn)看【秦朔朋友圈】